云计算的出现为互联网时代提供了方便快捷的服务,对人们的生活有深远的影响。云计算任务调度对用户的满意程度以及提供商的运营成本有很大的影响。高性能的算法在云计算任务调度中起着至关重要的作用。本文在云计算任务调度算法的主要研究内容及工作如下:1)针对标准粒子群优化算法易陷入局部最优,收敛速度慢的缺陷,从基本概念入手,在算法中加入改进的动态惯性权重和外部扰动策略,改善粒子群算法的局部寻优能力。对比任务数不同时,算法的收敛能力,实验结果表明,改进后算法克服了粒子群算法中的不足,提高迭代后期收敛速度和搜索的精度,减少任务完成时间。2)针对鸡群优化算法中小鸡盲目跟随母鸡且自身学习能力不足的情况,在算法中加入小鸡学习因子,改进小鸡位置更新公式,并通过混沌扰动降低鸡群懒惰性,平衡算法对全局和局部最优位置的搜索能力,减少算法陷入局部最优的情况,能更好的完成云计算任务调度。3)融合两种改进后的算法,鸡群算法解决了粒子群种群单一的缺点。粒子鸡群融合算法改进了公鸡的位置更新公式,提高群体领导者的寻优能力,使算法整体性能得以提升。将算法在云环境下任务调度总执行时间和执行费用方面进行对比,实验结果表明,算法有效地降低了任务执行时间和成本,提高了服务质量与经济利益。最后,根据优化的算法,对CloudSim平台进行扩展编程,进行实验对比,验证了粒子鸡群融合算法能够有效地解决云计算任务调度的问题。